Python 在数据帧中合并行

我有数据框

Date         CUSIP   Asset   Liability
01-01-1990     A       1        NaN
01-01-1990     A      Nan        2
02-01-1990     A       3         2
01-01-1990     B      Nan        2
01-01-1990     B       1         2

是否有任何方法将其组合成：

Date         CUSIP   Asset   Liability
01-01-1990     A       1         2
02-01-1990     A       3         2
01-01-1990     B       1         2

我想到的方法是使用groupby[CUSIP，Date].agg函数

其中我应用了一个函数，其中maxnan，3=3

---

有更简单的方法吗？

是的！实现max with nan方法的问题是速度太慢。需要循环遍历列表并放弃nan值。我有时讨厌python处理nan的方式……为了确保数据中没有错误，您还可以确保在任何给定日期只有一个CUSIP。假设上面的结果称为result，那么result.groupby['Date'，'CUSIP']['CUSIP'].count.max应该返回1。感谢您的提示。我正在运行这个。这很慢。正向填充和反向填充总是这么慢吗？df.info的输出是什么？列是资产和负债浮动吗？日期列的类型是什么？此外，drop_副本可能会减慢速度。试着不用它，看看是否有改进。如果是这样的话，并且您已经检查了数据，以确保上面我的评论中没有重复，您可以再次分组。df.groupby['Date'，'CUSIP'].applylambda组：group.ffill.bfill.groupby['Date'，'CUSIP'].firstRangeIndex:501896个条目，0到501895个数据列总计4列：日期501896非空datetime64[ns]CUSIP 501372非空对象资产386228非空浮点64负债385416非空浮点64数据类型：datetime64[ns]1，浮点642，反对意见1

>>> df.groupby(['Date', 'CUSIP']).apply(lambda group: group.ffill().bfill()).drop_duplicates()
         Date CUSIP Asset  Liability
0  01-01-1990     A     1          2
2  02-01-1990     A     3          2
3  01-01-1990     B     1          2